申请/专利权人：厦门理工学院

申请日：2024-01-10

公开（公告）日：2024-04-09

公开（公告）号：CN117853456A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及一种基于上下文驱动的边缘增强医学图像分割方法。包括：步骤S1、图像经过数据增强预处理，划分数据集；步骤S2、图像经过GHPA编码器，编码为图像特征向量；步骤S3、将编码器浅层特征与深层高级语义信息互相融合得到包含丰富语义的边缘信息；步骤S4、进一步增强所得到特征图的边缘特征，设计一种简单有效的金字塔特征提取方案，用于挖掘每个阶段的边缘多粒度信息；步骤S5、将编码器相邻两层特征图进行拼接；步骤S6、最后将编码器的四个输出特征图D1,D2,D3,D4相加得到最终分割图。本发明方法适用于各种医学图像的分割任务，有效的加强了医学图像现存的边缘对比度低，边缘模糊等问题，提高了模型的特征提取能力。

主权项：1.一种基于上下文驱动的边缘增强医学图像分割方法，其特征在于，包括以下步骤：步骤S1、给定一个图像，在输入训练模型之前进行包括裁剪、翻转的数据预处理操作，医学分割任务的数据集由训练图像和对应的训练分割真实值图像组成，并对这两部分图像数据进行相同的在线数据预处理操作；步骤S2、设计分割网络FBEUNet中改进的分组多轴哈达玛积注意力模块GHPA模块，它在多个轴向上对输入数据进行哈达玛积操作，用于提取输入数据中的关键信息特征；步骤S3、设计分割网络FBEUNet中的FusionBlock，采用FusionBlock改进UNet网络中的跳跃连接，融合步骤S2提取的关键信息特征；步骤S4、对步骤S3所得到的特征进行边界增强操作，在跳跃连接过程中加入PEE金字塔边缘增强模块，用于在编码器子网络的每个阶段挖掘边缘周围的多粒度信息；步骤S5、将步骤S3、S4所得到的特征图送入拼接模块，将深层的特征经过上采样后与编码器输出的特征图进行拼接得到最终特征图；步骤S6、利用步骤S1经过数据预处理的医学分割任务的数据集输入步骤S3、S4、S5所搭建的分割网络FBEUNet，并送进解码器恢复最终的分割结果图。

全文数据：

权利要求：

百度查询： 厦门理工学院 一种基于上下文驱动的边缘增强医学图像分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD